Алгоритмы рекомендаций товаров

Алгоритм рекомендаций

Рекомендации — это набор виджетов на сайте и в приложении с подборкой товаров из каталога на сайте, которые могут заинтересовать пользователя. Рекомендации помогают покупателю: быстрее найти нужный товар, упростить навигацию по сайту, сократить путь клиента.

Описание механик

На разные случаи — подходящие товары.

• Популярные товары — самые востребованные товары интернет-магазина, рассчитанные на основе статистики поведения посетителей, добавления товаров в корзину и покупок. Виджет может быть размещен на главной странице сайта, на странице каталога, в корзине.

• Альтернативные товары — предложат к просматриваемому товару другой вариант или подходящую замену, если нужного артикула нет в наличии. Виджет размещается в карточке товара.

• Сопутствующие товары — предложит посетителю товары, напрямую или косвенно дополняющие основную покупку. Виджет может быть размещен в карточке товара и в корзине.

• С этим товаром покупают — предложат к просматриваемому товару позиции, которые чаще всего покупают с данным товаром. Виджет размещается в карточке товара.

• Похожие товары — предложат к просматриваемому товару широкий выбор позиций со схожими характеристиками. Виджет размещается в карточке товара.

• Новинки — товары, которые недавно появились на сайте, рассчитываются

автоматически на основе анализа товарного каталога. Виджет может быть размещен на главной странице сайта, на странице каталога, в корзине.

Персональные рекомендации показываются авторизованным пользователям и предложат посетителю товары, основанные на его персональных предпочтениях и в соответствии с информацией, предоставленной в рамках личного кабинета. Виджет может быть размещен на главной странице и на странице избранных товаров.

Алгоритм работы

Рекомендательный сервис в зависимости от контекста показа виджета выбирает базовые товары, на которые будет ориентироваться при подборе товаров для рекомендации. Для виджета на карточке товара ориентиром будет текущий товар, для виджета в корзине — ранее купленные и добавленные в корзину товары, для виджета персональных рекомендаций — последние просмотренные и купленные товары.

В качестве кандидатов рассматриваются товары, наиболее проходящие к базовым. В виджет похожих товаров отбираются кандидаты из той же категории, что и базовый. В остальные виджеты отбираются товары из категорий, наиболее подходящих к категориям базовых товаров. Категории тем больше подходят друг другу, чем чаще товары из этих категории покупаются пользователями в одном заказе.

На этом этапе рекомендательной системе необходимо оценить, какие из отобранных ранее товаров покупатель может приобрести с наибольшей вероятностью. Вероятность покупки каждого товара неизвестна, поэтому для ранжирования товаров её нужно предсказать.

Предсказание производится в несколько этапов:

1. Вычисляются все свойства каждого отдельного товара, которые могут повлиять на факт продажи. Каждое свойство — это вещественное число. Например, свойством может быть рейтинг товара или его цена.

2. К набору свойств применяется машинно обученная модель, предсказывающая вероятность продажи на основе значения фичей.

3. Модель выдаёт число, которое используется для оценки вероятности покупки товара.

4. Оценка вероятности покупки товара вписывается в контекст показа виджета рекомендаций. Один и тот же товар будет иметь разную вероятность покупки для разных страниц, на которых показываются рекомендации.

Цель работы модели — наиболее точно предсказать вероятность продажи товара на основании свойств этого товара. Свойства товара содержат информацию о том, какими параметрами обладали товары, приобретённые покупателями в прошлом, и какие из этих параметров имеет ранжируемый товар.

Модель обучается на данных о зависимости между свойствами товаров и итоговыми покупками при помощи специального алгоритма. Многие свойства рассчитываются на основе покупательского поведения: покупатели интернет-магазина влияют на положение товаров в выдаче рекомендаций своими действиями. Больше всего на выдачу влияет факт покупки товара, так как влияние веса свойства на предсказание покупки определяется исходя из продаж товара в прошлом.

Основные признаки, которые учитывает модель при ранжировании товаров:

• признаки популярности товара: количество покупок и показов товаров, добавлений в корзину и в избранное;

• количество совпадающих атрибутов у отобранного товара и у других товаров;

• отношение цен отобранного товара к ценам базовых товаров;

• отношение дороговизны отобранного товара к дороговизне базовых товаров;

• совпадение бренда отобранного товара с брендами базовых товаров;

• расстояния по дереву категорий от категории отобранного товара до категорий базовых товаров.

На этом этапе рекомендательная система оценивает каждый товар из 2000-3000 отобранных по шкале от 0 до 1. Чем ближе эта оценка к единице, тем более высокую позицию в выдаче рекомендаций займёт товар и тем выше вероятность его продажи. Все оценки передаются на третий этап.

На этом этапе все товары-кандидаты уже имеют финальные оценки. На этой стадии обеспечивается разнообразие рекомендательной выдачи.

Алгоритм отображения рекомендованных товаров:

1. Рекомендательная система получает товары с финальными оценками.

2. На основании этих оценок товары выдаются покупателю: товары с наибольшей оценкой оказываются в начале выдачи, с наименьшей оценкой — в конце.

3. Для товаров в выдаче подгружаются актуальные характеристики и картинки.